![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
one named slash
Bullet for My Valentine
展开
-
NO.89——应用Xgboost进行保险赔偿预测
文章目录1 数据分析1.1 先瞅瞅数据长啥样1.2 连续变量和分类变量1.3 分类变量中属性的个数1.4 赔偿值1.5 连续变量特征1.6 特征之间的相关性2 Xgboost2.1 数据预处理2.2 简单的Xgboost模型2.3 第一个基础模型2.4 Xgboost参数调节3 总结我的github地址.1 数据分析import pandas as pdimport numpy as np...原创 2020-03-12 11:12:15 · 761 阅读 · 1 评论 -
NO.87——特征数据预处理-标准化和归一化
标准化对原始数据进行预处理,少不了进行standardizition(或者叫 Z - Score - Nomalizition)。要求均值 ????=0 和标准差 ????=1,转换公式如下:这个意义是十分重大的,想象一下,我们经常通过梯度下降来进行优化求解,公式一般如下,如果特征之间的数值差异太大,那么更新的结果肯定也会产生较大的差异,这是我们所不希望的。在最开始的时候,我们认为特征之间的重要程...原创 2020-03-07 16:52:25 · 667 阅读 · 0 评论 -
NO.81——极大值极小值α-β剪枝博弈树搜索
引言对于一个与节点MIN,若能估计出其上确界beta,以及MIN的父节点的下确界alpha,如果alpha>=beta,则不必扩展MIN的剩余子节点,这个过程称为alpha剪枝。对于一个或节点MAX,若能估计出其下确界alpha,以及MAX的父节点的上确界beta,如果alpha>=beta,则不必扩展MAX的剩余子节点,这个过程称为beta剪枝。F的第一个节点K=4,那...原创 2020-02-15 17:56:11 · 1323 阅读 · 0 评论 -
NO.79——BFS,DFS,Astar,爬山法,最抖爬山法,模拟退火法解决八数码问题Python实现
问题描述 无非就是将无序数列变成有序数列。之间写过关于这个问题的解决办法,但是当时对各种算法理解的不是很透彻,比如广度优先算法和深度优先算法,同样都是维护一个open表,怎么用列表实现队列和栈的操作,那时候理解的不是很深,终于现在有些理解了。Astar算法同样是维护一个open表,不过这个open表示一个优先级队列,每次取出的是代价最低的元素,然后再拓展它的邻居,然后再更新这个op...原创 2020-02-09 19:35:51 · 1819 阅读 · 1 评论 -
NO.78——遗传算法解决TSP(旅行商)问题 Python实现
问题描述各个城市的经度纬度值已经给出,形如[[120, 23], [120.3, 24], …]。问有一条线将所有城市串起来,且所走的路径最短。遗传算法核心伪代码def main(): global p_mutation, max_generation #变异概率和最大迭代次数 generation = 1 population_cur = init_popula...原创 2020-02-09 16:37:19 · 2877 阅读 · 0 评论 -
NO.——77 遗传算法解决8queens问题 Python实现
问题描述8皇后问题就是避免8个皇后在相同的行或列或对角线上。遗传算法模仿生物演化论,加一个环境因素,适应环境的留下来繁衍,不适应环境的被淘汰。首先初始化一个种群,定义一个迭代次数(也就是最多进化多少代),然后不断重复以下步骤:在种群中选择部分个体进行杂交,得到杂交个体在种群中选择部分个体进行变异,得到变异个体根据适应度,在包含杂交和变异个体的种群中根据适应度挑选出优良的个体重复以...原创 2020-02-09 16:18:50 · 452 阅读 · 0 评论 -
N0.76——Astar算法解决传教士野人过河问题Python实现
问题描述有三个传教士和三个野人一起来到河边准备渡河,河边有一条空船,且传教士和野人都会划船,但每次最多可供两人乘渡。河的任何一岸以及船上一旦出现野人人数超过传教士人数,野人就会把传教士吃掉。为安全 地渡河,传教士应该如何规划渡河方案?试给出该问题的状态图表示,并编程求解之。若传教士和野人的数码均为 5 人,渡船至多可乘 3 人,请定义一个启发函数,并给出相应的搜索树。解决思路设 M...原创 2020-02-07 09:47:40 · 4803 阅读 · 0 评论 -
NO.75——python解决倒水问题
问题描述给你两个容器A和B,A的容量是3,B的容量是5。现在拿一个水壶可以向任意容器倒水,两个容器相互间也可以倒水,问经过多少步骤,可以使得B中盛有4升水?解题思路Initial State :(0,0)Oprations(算符):将杯子A的水倒空将杯子B的水倒空将杯子A装满水将杯子B装满水将杯子A的水倒入B,直至A的水被倒空将杯子A的水倒入B,直至B被倒满将杯子B的水倒入...原创 2020-02-06 09:44:29 · 2997 阅读 · 0 评论 -
NO.74——《人工智能·一种现代方法》通过搜索进行问题求解 学习笔记
问题求解Agent如何将问题形式化?(以罗马尼亚案例为例)初始状态:In(Arad) 行动:ACTIONS(s),即,给定一个状态s,ACTIONS(s)返回状态s下可以执行的动作的集合。例如状态s为 *In(Arad),动作集合( { Go(Sibiu) , Go(Timisoara) , Go(Zerind)} ) 转移模型:RESULT(s,a),在状态s下,执行a动作后,达...原创 2020-02-03 17:36:03 · 1373 阅读 · 0 评论 -
NO.73——《人工智能·一种现代方法》Agent学习笔记
Agent首先,何为Agent?通过传感器感知环境,并通过执行器对所处环境产生影响。Agent的感知序列:是该Agent存储的所有输入历史的完整数据。Agent函数Agent函数是抽象的数学描述,Agent程序是具体实现。两者区别:每个Agent函数都可以由机器/程序组合呈现。False。受机器的运算能力和存储能力限制。 一个Agent函数可能对应多个Agent程序。Tr...原创 2020-02-03 10:47:51 · 4495 阅读 · 0 评论 -
NO.71——用A-star算法求解8数码问题
问题描述: 到 算法原理:A*的原理已经在上一篇博客讲解。https://blog.csdn.net/ghl1390490928/article/details/104121195* 初始化open_set和close_set;* 将起点加入open_set中,并设置优先级为0(优先级最高);* 如果open_set不为空,则从open_set中选取优先级最高...原创 2020-01-31 16:44:22 · 629 阅读 · 0 评论 -
NO.56——Face Swapping with Face++ API(换脸)
在上篇博客中,介绍了应用dlib和openCV进行人脸融合的方法,这里介绍一个更简单、效果更好的方法,就是调用旷世科技的人脸融合接口:https://api-cn.faceplusplus.com/imagepp/v1/mergeface。在实际运用过程中,还调用了人脸检测接口:https://api-cn.faceplusplus.com/facepp/v3/detect。效果如图,可见...原创 2019-10-03 00:38:49 · 2144 阅读 · 0 评论 -
NO.68——python实现迭代加深的深度优先搜索 IDS
伪代码:流程分析:深度逐渐加深,调用深度优先搜索算法性能分析:有些状态被重复生成,但代价并没有那么大,因为大部分节点都在底层,在上层重复生成的节点影响并不大。生成的节点总数:时间复杂度: 与广度优先搜索对比,通过重复生成节点,代价并不大 如当分支b=10,深度d=5时示例代码:(参考http://bl...原创 2020-01-29 09:56:28 · 1797 阅读 · 0 评论 -
NO.67——人工智能学习:python实现递归的深度受限搜索(Recursive Depth Limited Search)
源码解析:数据结构:limited : 深度限制。每深入一层,本变量减一。减到0为止,返回cutoff(表示不能再深入)算法流程:节点目标测试 :通过,则返回成功;否则,判断 limit 是否为0,为0则返回失败。 设置限制标志 :cutoff_occurred ,初始值为False 遍历节点的所有动作: 每个动作产生子节点 ...原创 2020-01-28 20:24:20 · 2490 阅读 · 0 评论 -
NO.66——人工智能学习:python实现一致代价搜索算法
目的: 在广度优先算法上进行进化。一致代价搜索算法每次扩展的是当前路径消耗g(n)最小的节点n。源码:数据结构:frontier : 边缘,存储未扩展的节点。通过维护一个优先级队列,按路径损耗来排列。 explored :探索集,保存已访问的节点。算法流程:如果边缘为空,则返回失败。操作:EMPTY?(frontier) 否则从边缘中选择...原创 2020-01-28 16:09:25 · 1769 阅读 · 1 评论 -
NO.65——人工智能学习:python实现广度优先搜索
目的: 学习《人工智能 一种现代方法》一书,编写广度优先搜索算法。说明: 书中算法源码:数据结构:frontier : 边缘。存储未扩展的节点。用队列实现。 explored : 探索。存储已访问的节点。流程: 如果边缘为空,则返回失败。操作:EMPTY?(frontier) 否则从边缘中选择一个叶子节点。操作:POP(...原创 2020-01-27 23:33:21 · 478 阅读 · 0 评论 -
NO.64——Python实现深度优先搜索DFS
深度优先搜索的时间复杂度与节点总数有关,如果是满二叉树,最后一层的节点数是个,其中b为brantching,h为hight。节点总数为,因此时间复杂度是。 空间复杂度相比广度优先搜索要小,为。Illustrating:注:图中有错,弹出4后并不弹出2,直接压入5To do so:def tree_depth_search...原创 2020-01-17 20:12:37 · 499 阅读 · 0 评论 -
NO.63——Python实现广度优先搜索BFS
广度优先搜索的时间复杂度与节点总数有关,如果是满二叉树,最后一层的节点数是个,其中b为brantching,h为hight。节点总数为,因此时间复杂度是。 而空间复杂度,设想最坏的一种情况,这个queue需要存放所有节点,所以空间复杂度是。 Illustration: To do so:We add ...原创 2020-01-17 20:11:15 · 282 阅读 · 0 评论 -
NO.62——100天机器学习实践第五天:用逻辑回归模型分析信用卡欺诈案例
import pandas as pdimport matplotlib.pyplot as pltimport numpy as np%matplotlib inline#分类计数count_classes = pd.value_counts(data['Class'], sort = True).sort_index()count_classes.plot(kind =...原创 2019-10-10 04:35:47 · 355 阅读 · 0 评论 -
NO.61——100天机器学习实践第四天:python求解逻辑回归模型
其中,i是第几个样本,j是第几个特征 其中,alpha是步长(学习率),后边是方向The Data我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员,你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据,你可以用它作为逻辑回归的训练集。对于每一个...原创 2019-10-09 11:22:21 · 184 阅读 · 0 评论 -
NO.60——100天机器学习实践第三天:多元线性回归模型
原创 2019-10-08 18:22:12 · 242 阅读 · 0 评论 -
NO.59——100天机器学习实践第二天:简单线性回归模型
1.导入数据import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdataset = pd.read_csv('studentscores.csv')dataset.head()2.数据预处理X = dataset.iloc[ : , : 1 ].valu...原创 2019-10-07 21:04:42 · 150 阅读 · 0 评论 -
NO.58——100天机器学习实践第一天:数据预处理
这是github上的一个给力的项目,地址在这:https://github.com/MLEveryday/100-Days-Of-ML-Code1.到入库import numpy as npimport pandas as py2.导入数据集dataset = pd.read_csv('Data.csv')datasetX = dataset.iloc[:...原创 2019-10-07 20:26:43 · 213 阅读 · 0 评论